本文選題：k最近鄰 + 極速學(xué)習(xí)機(jī)　； 參考：《河北大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年06期

【摘要】：提出了一種基于極速學(xué)習(xí)機(jī)和最近鄰的協(xié)同過濾回歸推薦算法.該算法首先采用k最近鄰法對(duì)評(píng)分矩陣的缺失值進(jìn)行填充,然后將極速學(xué)習(xí)機(jī)作為回歸器為用戶產(chǎn)生推薦.在推薦領(lǐng)域中的標(biāo)桿數(shù)據(jù)集上,將該算法與常用推薦算法-LRCF算法進(jìn)行了比較,驗(yàn)證了該算法的有效性.
[Abstract]:A collaborative filtering regression recommendation algorithm based on extreme learning machine and nearest neighbor is proposed. The algorithm first uses k-nearest neighbor method to fill the missing value of the score matrix, and then uses the extreme learning machine as a regression machine to produce recommendations for users. The proposed algorithm is compared with the commonly used recommendation algorithm -LRCF on the benchmark datasets in the recommendation field, and the validity of the algorithm is verified.
【作者單位】： 河北大學(xué)數(shù)學(xué)與信息科學(xué)學(xué)院;中國(guó)科學(xué)院信息工程研究所;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61672205)
【分類號(hào)】：TP391.3
，

本文編號(hào)：2081380